Resumo
Pretendemos estudar aspectos formais da Ciência Cognitiva [CC], com o intuito de elucidar o problema das diferenças e semelhanças entre mente e computador, tratado muitas vezes sem rigor. Aderimos à proposta de Sloman (1993) de considerar o sistema cognitivo como um sistema de controle, e re-definimos conceitos básicos, resgatando seu sentido cognitivo, como informação, algoritmo e problema. Analisamos projetos de computação não convencional (redes neurais, algoritmos genéticos, etc.), e mostramos que a computabilidade real é ainda clássica. Observamos que o sistema cognitivo, diferentemente do computador, possui autonomia e consciência, que são definidas em termos filosoficamente neutros. Contra as argumentações baseadas em cardinalidade e em teoremas de limitação, afirmamos que não é possível provar que existam problemas formulados logicamente, que sejam melhor resolvidos pela mente que pelo computador. No entanto, a mente tem capacidade aleatória e não é programável, o que lhe que permite colocar e resolver outros problemas, não computacionalmente tratáveis. A construção de redes neurais que substituam os computadores convencionais talvez recoloque o problema, mas, por enquanto, mentes e computadores só se aproximam na resolução de problemas a nível algorítmico.
Referências
BYRNE, R. M. J. & JOHNSON-LAIRD, P. N. (1990). “Models and Deductive Reasoning”. In: Gilholly et all. (eds.) Lines of Thinking: Reflections on the Psychology of Thought (New York, John Wiley & Sons Inc.).
CHAMBERS, L. (ed.). (1995). Genetic Algorithms, vol. 1, (New York, CRC).
CAUDILL, M. & BUTLER, C. (1992). Understanding Neural Networks: Computer Explorations, vol. 1 (Cambridge, Mass., The MIT Press).
CLEEREMANS, A. & HAYNES, J-D (1999). “Correlating Conscious- ness: a view from empirical science”, Revue International de Philoso- phie, 3, pp. 387-420.
DA SILVA, J.J. (1995). “A General Definition of the Semantic Infor- mational Content of Signals”. In: Carnielli, W. & Pereira, L. C. (orgs.). Logic, Sets and Information (Campinas, CLE/UNICAMP).
FODOR, J. A. (1981). Representations: Philosophical Essays on the Foundations of Cognitive Science (Cambridge, Mass., The MIT Press).
HAUGELAND, J. (1990). Artificial Intelligence: the very idea (Cambridge, Mass; The MIT Press). HILLIX, D. (1985). The Connection Machine (Cambridge, Mass., The MIT Press).
HORGAN, T. & TIENSON, J. (1993). “Levels of Description in Non- Classical Cognitive Science”. In: Hookway, Ch. & Peterson, D. Philosophy and Cognitive Science (Cambridge, Cambridge University Press).
KWOH, CHEE-KEONG et al. (1996). “Using Hidden Nodes in Bayesian Networks”, Artificial Intelligence, 88, pp. 1-38.
KOVÁCS, Z.L. (1996). Redes Neurais Artificiais (São Paulo, Edição Aca- dêmica).
LUNGARZO, C. (200?) “A Face Exata da Ciência Cognitiva”. In: Vidal, V. Ciências Cognitivas, um Enfoque Multidisciplinar (Rio de Janeiro, Ed. Fundação Oswaldo Cruz), no prelo.
———. (1986). Lógica y Lenguajes Formales (Buenos Aires, Centro Editor de América Latina), 2 volumes.
MONK, J. D. (1976). Mathematical Logic (New York, Springer-Verlag).
PIQUEIRA, J.R.C. (2001). “Teoria da Informação e sua Utilização em Problemas de Biologia” (comunicação pessoal do autor apresentada no 1.° Simpósio Brasileiro de Filosofia da Natureza).
PARBERRY, I. (1990). “A Primer on the Complexity Theory of Neural Networks”. In: Banerji, R.B., Formal Techniques in Artificial Intelligence (Amsterdam, North-Holland).
POSNER, M. I. (ed.) (1996). Foundations of Cognitive Science (Cambridge, Mass, The MIT Press).
SHANNON, C.E. & WEAVER, W. (1964). The Mathematical Theory of Communication (Urbana, Ill., The University of Illinois Press). SLOMAN, A. (1993). “The Mind as a Control System”. In: Hookway, Ch. & Peterson, D. (eds.), Philosophy and Cognitive Science (Cambridge, Cambridge University Press).
VELOSO, P. A. S. (1984). “Aspectos de uma Teoria Geral de Proble- mas”, Cadernos de História e Filosofia da Ciência 7, pp. 21-42.
ZHANG, N. L. (1996). “Irrelevance and Parameter Learning in Bayesian Networks”, Artificial Intelligence, 88, pp. 359-373.